郭玉東 張秋良 張榕陳曉燕彌宏卓

(內(nèi)蒙古農(nóng)業(yè)大學(xué)，呼和浩特，010010)(內(nèi)蒙古社會(huì)科學(xué)院)(內(nèi)蒙古林業(yè)和草原監(jiān)測規(guī)劃院)

生物量是整個(gè)生態(tài)系統(tǒng)運(yùn)行的能量基礎(chǔ)，是生態(tài)系統(tǒng)生產(chǎn)力水平的主要體現(xiàn)，也是衡量植物群落貢獻(xiàn)量和評價(jià)生態(tài)系統(tǒng)生產(chǎn)潛力的重要指標(biāo)之一，它直接反映了生態(tài)系統(tǒng)功能的強(qiáng)弱，對生態(tài)系統(tǒng)結(jié)構(gòu)的形成有著非常重要的影響[1]。區(qū)域尺度森林生物量的估測，主要有依據(jù)森林資源清查、依據(jù)遙感估測的兩種方法[2]。遙感數(shù)據(jù)，因其可快速定量獲取區(qū)域尺度森林生物量及其變化的優(yōu)點(diǎn)，因此應(yīng)用遙感技術(shù)定量反演森林生物量及模型擬合，已成為當(dāng)前國內(nèi)外的研究熱點(diǎn)[3-5]。隨著遙感技術(shù)的飛速發(fā)展和國家森林資源清查體系的不斷推進(jìn)，依據(jù)樣地實(shí)際調(diào)查數(shù)據(jù)和遙感影像相結(jié)合的方法，已逐漸成為當(dāng)今森林碳儲量反演的主要手段[6-9]；近些年來，較多研究應(yīng)用遙感技術(shù)替代傳統(tǒng)的調(diào)查方法進(jìn)行森林生物量的估測，實(shí)現(xiàn)了小到林分、大到區(qū)域等不同空間尺度的森林生物量估測[10-12]。

長期以來，遙感生物量反演主要應(yīng)用于喬木林[13-17]，在灌木林尤其是荒漠地區(qū)的灌木林方面研究甚少。為此，本研究以庫布齊沙漠沙柳(Salixpsammophila)、檸條錦雞兒(Caraganakorshinskii)、沙棘(Hippophaerhamnoides)、楊柴(Corethrodendronfruticosumvar.mongolicum)4種主要人工灌木林為研究對象，設(shè)置檸條錦雞兒樣地69塊、沙棘樣地53塊、沙柳樣地59塊、楊柴樣地39塊，對每個(gè)樣地選取1株標(biāo)準(zhǔn)株進(jìn)行樣品收集，計(jì)算全株生物量(含地下生物量)及樣地生物量；以樣地人工灌木林全株生物量為評價(jià)指標(biāo)，以2017年陸地衛(wèi)星8號攜帶的運(yùn)營性陸地成像儀(Landsat 8 OLI)衛(wèi)星遙感影像數(shù)據(jù)的遙感影響因素6個(gè)波段反射值(藍(lán)光波段(B2)、綠光波段(B3)、紅光波段(B4)、近紅外波段(B5)、短波紅外波段1(B6)、短波紅外波段2(B7))、依據(jù)樣地調(diào)查數(shù)據(jù)計(jì)算的植被影響因素5個(gè)植被指數(shù)(歸一化植被指數(shù)、增強(qiáng)型植被指數(shù)、比值植被指數(shù)、土壤調(diào)整植被指數(shù)、修正的土壤調(diào)節(jié)植被指數(shù))為影響因素，應(yīng)用逐步回歸法，構(gòu)建庫布齊沙漠4種人工灌木林生物量的遙感估測模型。旨在為探索準(zhǔn)確估測庫布齊沙漠人工灌木林生物量及生態(tài)系統(tǒng)碳儲量的方法提供參考。

1 研究區(qū)概況

研究區(qū)以庫布齊沙漠為主體，行政區(qū)域上屬于鄂爾多斯市的杭錦旗、達(dá)拉特旗、準(zhǔn)格爾旗。庫布齊沙漠地處我國西北部內(nèi)陸，介于107°～111°30′E、39°15′～40°45′N之間；氣候?qū)儆诘湫蜏貛Т箨懶愿珊导撅L(fēng)氣候，冬季寒冷少雪、夏季高溫多雨、春季多風(fēng)少雨、秋季涼爽，四季溫差較大。1月份最冷，極端最低氣溫-32.1 ℃；7月份最熱，極端最高氣溫38.7 ℃。年日照時(shí)間3 000～3 200 h，無霜期122～160 d。東部水分條件較好，屬于半干旱區(qū)；西部雨水較少，為干旱區(qū)；年總降水量150～400 mm，年平均降水量249 mm，從東向西逐步減少，降水主要集中在7～8月份；年蒸發(fā)量2 100～2 700 mm，干燥度為1.5～4.0；年平均風(fēng)速3～4 m·s-1，大風(fēng)時(shí)間25～35 d[18]。植被主要分為荒漠植被、沙生植被、草原植被、人工植被等；其中，人工植被主要以檸條錦雞兒(Caraganakorshinskii)、沙柳(Salixpsammophila)、花棒(Corethrodendronscoparium)、楊柴(Corethrodendronfruticosumvar.mongolicum)、沙棘(Hippophaerhamnoides)、沙棗(Elaeagnusangustifolia)、旱柳(Salixmatsudana)、梭梭(Haloxylonammodendron)、樟子松(Pinussylvestrisvar.mongolica)等為主[19]。2020年森林資源統(tǒng)計(jì)數(shù)據(jù)顯示，研究區(qū)檸條錦雞兒、沙棘、沙柳、楊柴人工林總面積約365 635 hm2，占人工造林總面積的89.14%。其中，檸條錦雞兒人工林面積最大，占研究區(qū)人工造林總面積的36.88%；沙柳、楊柴次之，分別占研究區(qū)人工造林總面積的25.71%、20.03%；沙棘人工林面積最小，占研究區(qū)人工造林總面積的6.52%。

2 研究方法

2.1 樣地設(shè)置及數(shù)據(jù)來源

樣地實(shí)測數(shù)據(jù)：野外調(diào)查，根據(jù)4種灌木分布的情況，各隨機(jī)布設(shè)30 m×30 m樣地，記錄每塊樣地的中心坐標(biāo)、海拔、坡度、坡向、株行距、伴生種等信息；對樣地內(nèi)所有灌木每木調(diào)查，記錄地徑、株高、冠幅、分枝數(shù)等生長指標(biāo)。

用于遙感估測生物量的樣地?cái)?shù)據(jù)，采用平均標(biāo)準(zhǔn)株法推算。其中，檸條錦雞兒、沙棘、沙柳、楊柴，分別布設(shè)69、53、59、39塊典型樣地。對每個(gè)樣地至少選取1株標(biāo)準(zhǔn)株進(jìn)行樣品收集，計(jì)算出全株生物量(含地下生物量)，然后乘以樣地株數(shù)，即得到所有樣地生物量。

遙感數(shù)據(jù)：本研究選用陸地衛(wèi)星8號攜帶的運(yùn)營性陸地成像儀(Landsat 8 OLI)衛(wèi)星遙感影像數(shù)據(jù)，選取其中6個(gè)波段，地面分辨率為30 m。選擇2017年的四景影像，遙感數(shù)據(jù)編號分別為LC81270332017171LGN00(6月20日獲取)、LC81270322017171LGN00(6月20日獲取)、LC81280322017194LGN00(7月13日獲取)、LC81290322017217LGN00(8月5日獲取)；樣地調(diào)查時(shí)間為2017年6～9月份，影像獲取時(shí)間與野外調(diào)查時(shí)間比較接近。四景影像可以覆蓋所有的樣地點(diǎn)(見圖1)。

圖1 遙感影像覆蓋范圍及樣點(diǎn)布設(shè)

2.2 遙感影像預(yù)處理

在遙感影像數(shù)據(jù)分析和應(yīng)用過程中，地表物的光譜信息是定量計(jì)算的一個(gè)主要依據(jù)，而遙感影像在獲取時(shí)會(huì)存在多種因素的干擾，致使遙感數(shù)據(jù)產(chǎn)生較大誤差，因此在提取遙感數(shù)據(jù)之前需要對遙感影像進(jìn)行一定的預(yù)處理[5]。針對庫布齊沙漠及收集的遙感影像參數(shù)等特點(diǎn)，本研究主要其對遙感影像進(jìn)行輻射定標(biāo)、幾何校正、大氣校正等處理。

2.3 估測生物量評價(jià)指標(biāo)體系的構(gòu)建

遙感影響因素提?。焊鶕?jù)需要提取遙感影響因素的數(shù)據(jù)共6個(gè)波段(見表1)。

表1 提取遙感影響因素?cái)?shù)據(jù)的各波段特征

植被指數(shù)提?。豪眯l(wèi)星不同波段的光譜數(shù)據(jù)進(jìn)行組合計(jì)算得到植被指數(shù)。由于其優(yōu)良的特性，植被指數(shù)被作為一種高效的遙感手段，廣泛應(yīng)用于植被研究的多個(gè)方面，如反映植被的生長、健康狀況及其生物量等。多年來已研究發(fā)展了多個(gè)不同的植被指數(shù)[20-22]，本研究選取了歸一化植被指數(shù)(IV,ND)、增強(qiáng)型植被指數(shù)(IV,E)、比值植被指數(shù)(IV,R)、土壤調(diào)整植被指數(shù)(IV,SA)、修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)等5個(gè)植被指數(shù)進(jìn)行遙感估測生物量方程擬合。

——?dú)w一化植被指數(shù)(IV,ND)。該指數(shù)對植被生長狀態(tài)及空間分布密度反映較為敏感，其值隨植被覆蓋度的增大而增大，植被可以得到有效的突出。IV,ND=(εB5-εB4)/(εB5+εB4)；εB5為B5波段反射值，εB4為B4波段反射值。

——增強(qiáng)型植被指數(shù)(IV,E)。使植被信號得到了增強(qiáng)，校正了土壤背景和氣溶膠散射的影像，植被茂密的區(qū)域更敏感。IV,E=2.5(εB5-εB4)/[(εB5+(6εB4-7.5εB2)+1]；εB2為B2波段反射值。

——比值植被指數(shù)(IV,R)。是綠色植物靈敏指示的重要參數(shù)，與植被葉干生物量等相關(guān)性較高，是反演植物生物量有利的植被指數(shù)之一。IV,R=εB5/εB4。

——土壤調(diào)整植被指數(shù)(IV,SA)。是在IV,ND的基礎(chǔ)上加入了土壤調(diào)節(jié)影響因素，有效降低了土壤背景影響，增加植被信息提取的精度。IV,SA=(1+L)(εB5+εB4)/(L+εB5+εB4)；L為土壤調(diào)節(jié)系數(shù)。

——修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)。是為更進(jìn)一步消弱裸土影響而提出的一種植被指數(shù)，它能減弱土壤背景的噪聲。IV,MSA={2εB5+1-[(2εB5+1)2-8(εB5+εB4)]1/2}/2。

借助ENVI 5.3軟件中的Vegetation Index Calculator工具計(jì)算所需5個(gè)植被指數(shù)。

2.4 遙感估測生物量模型的構(gòu)建

多元回歸分析是研究多個(gè)影響因素與評價(jià)指標(biāo)之間關(guān)系的常用分析方法，定量地描述一個(gè)評價(jià)指標(biāo)與多個(gè)影響因素間的線性依存關(guān)系[23]。目前多元回歸分析方法應(yīng)用較為廣泛，理論較為成熟，可以在多種影響因素共同影響時(shí)建構(gòu)一個(gè)完整的預(yù)測模型。一般表達(dá)式為：W=b0+b1x1+b2x2+b3x3+…+bixi；W為擬合生物量，b0為常數(shù)，bi為xi的回歸系數(shù)，xi為影響因素。

3 結(jié)果與分析

采用皮爾遜相關(guān)分析法篩選對估測各樹種生物量影響最顯著的遙感影響因素和植被影響因素，相關(guān)系數(shù)越高說明影響因素包含植被生長發(fā)育的光譜信息量越大。借助SPSS軟件，以樣地生物量為評價(jià)指標(biāo)，以遙感影響因素和植被影響因素作為影響評價(jià)指標(biāo)的影響因素進(jìn)行相關(guān)分析(見表2)。由表2可見：檸條錦雞兒生物量，與歸一化植被指數(shù)(IV,ND)、增強(qiáng)型植被指數(shù)(IV,E)呈顯著正相關(guān)(P<0.01)，與其他影響因素呈顯著負(fù)相關(guān)(P<0.01)；其中，與B2波段反射值(εB2)的相關(guān)系數(shù)絕對值最大，與增強(qiáng)型植被指數(shù)(IV,E)的相關(guān)系數(shù)絕對值最小。沙棘林生物量，與歸一化植被指數(shù)(IV,ND)、增強(qiáng)型植被指數(shù)(IV,E)、修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)呈顯著正相關(guān)(P<0.01)，與其他影響因素呈負(fù)相關(guān)。沙柳林生物量，與所有波段反射值呈顯著負(fù)相關(guān)(P<0.01)，與所有植被指數(shù)呈顯著正相關(guān)(P<0.01)。沙柳林生物量，與B2～B7波段反射值、比值植被指數(shù)(IV,R)呈顯著負(fù)相關(guān)(P<0.01)，與歸一化植被指數(shù)(IV,ND)、增強(qiáng)型植被指數(shù)(IV,E)、土壤調(diào)整植被指數(shù)(IV,SA)、修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)呈顯著正相關(guān)(P<0.01)，其中與B6(短波紅外波段1)波段反射值(εB6)的相關(guān)系數(shù)絕對值最大。

綜上所述，每個(gè)樹種生物量與多個(gè)影響因素呈顯著正或負(fù)相關(guān)關(guān)系，說明這些影響因素中包含了大量的植被生長信息；因此篩選顯著性強(qiáng)的影響因素作為構(gòu)建模型的影響因素，本研究只篩選相關(guān)系數(shù)絕對值大于0.5的遙感影響因素。

表2 不同樹種生物量與各個(gè)影響因素之間的相關(guān)系數(shù)

借助SPSS 22.0統(tǒng)計(jì)分析軟件，將與各灌木林生物量相關(guān)性較高的影響因素和4種灌木林生物量進(jìn)行多元逐步線性回歸。在建模過程中，一般認(rèn)為各影響因素之間會(huì)存在多重共線性問題，這樣會(huì)導(dǎo)致參數(shù)估計(jì)值的方差增大；因此在進(jìn)行多元回歸分析時(shí)選擇逐步多元線性回歸方法，進(jìn)而剔除多重共線性較高的影響因素。

經(jīng)過逐步多元線性回歸(見表3)可見：估測檸條錦雞兒生物量的模型保留了B2波段反射值(εB2)、B6波段反射值(εB6)2個(gè)影響因素，得出1個(gè)關(guān)于B2波段反射值(εB2)的一元線性方程和1個(gè)關(guān)于B2波段反射值(εB2)、B6波段反射值(εB6)的多元方程。估測沙棘、沙柳、楊柴生物量的模型只保留了1個(gè)影響最顯著的影響因素，其他影響因素均被剔除。根據(jù)篩選原則，選擇決定系數(shù)(R2)最高的為最優(yōu)方程，因此選擇多元回歸方程為估測檸條錦雞兒生物量的最優(yōu)回歸模型(R2為0.49)；一元線性方程為估測沙棘、沙柳、楊柴生物量的最優(yōu)回歸模型(R2分別為0.51、0.47、0.41)。采用F檢驗(yàn)對各回歸模型進(jìn)行檢驗(yàn)，P<0.01，說明本研究建立的遙感估測4種灌木生物量模型均通過了顯著性檢驗(yàn)。

利用檢驗(yàn)樣地實(shí)測值對模型進(jìn)行精度檢驗(yàn)，4種灌木檢驗(yàn)樣地?cái)?shù)分別為檸條錦雞兒21塊、沙棘16塊、沙柳18塊、楊柴12塊。采用均方根誤差、相對均方根誤差、模型精度對方程進(jìn)行檢驗(yàn)(見表4)。由表4可見：4種灌木生物量的遙感估測方程相對均方根誤差分別為23.6%、27.0%、29.2%、41.1%，方程預(yù)估精度全部達(dá)到60%以上。

表3 各樹種生物量與各影響因素逐步多元線性回歸結(jié)果

表4 4樹種生物量的遙感估測模型檢驗(yàn)結(jié)果

4 討論

本研究依據(jù)陸地衛(wèi)星8號攜帶的運(yùn)營性陸地成像儀遙感影像數(shù)據(jù)和樣地調(diào)查數(shù)據(jù)，應(yīng)用逐步回歸法，建立了檸條錦雞兒、沙棘、沙柳、楊柴4種灌木林生物量的遙感估測模型，最優(yōu)方程均通過顯著性水平檢驗(yàn)，4種灌木林生物量的遙感估測模型預(yù)估精度分別為72.1%、62.5%、76.5%、72.2%，擬合精度均達(dá)到60%以上。

歸一化植被指數(shù)(IV,ND)是應(yīng)用較廣泛的植被指數(shù)之一，但在本研究構(gòu)建的估測生物量模型中并未出現(xiàn)歸一化植被指數(shù)(IV,ND)，表明歸一化植被指數(shù)(IV,ND)不是庫布齊沙漠地區(qū)估測人工灌木林生物量的最佳指數(shù)。其中，檸條錦雞兒林生物量的估測模型中，出現(xiàn)的遙感影響因素為B2波段反射值(εB2)、B6波段反射值(εB6)；沙棘林生物量的估測模型中，出現(xiàn)的影響因素為修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)；沙柳林生物量的估測模型中，出現(xiàn)的影響因素為土壤調(diào)整植被指數(shù)(IV,SA)；楊柴林生物量的估測模型中，出現(xiàn)的影響因素為B6波段反射值(εB6)；B2波段反射值(εB2)、B6波段反射值(εB6)主要分辨土壤植被，修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)、土壤調(diào)整植被指數(shù)(IV,SA)主要是降低土壤背景影響，說明在庫布齊沙漠地區(qū)與辨別土壤有關(guān)的遙感影響因素對生物量的監(jiān)測有較大關(guān)系，此類影響因素對于植被監(jiān)測表現(xiàn)出更高靈敏度。

此外，遙感反映生物量模型的研究多集中于喬木林，在灌木林方面的研究較少，這是由于灌木植被可見光區(qū)域的植被葉綠素吸收帶信息和近紅外區(qū)域的持續(xù)高反射值信息較差，導(dǎo)致光譜儀不能夠精確識別植被結(jié)構(gòu)參數(shù)，進(jìn)而不能準(zhǔn)確反演灌木層生物量。目前，關(guān)于庫布齊沙漠地區(qū)利用遙感影像數(shù)據(jù)構(gòu)建生物量方程的相關(guān)研究還未見報(bào)道，本研究尚屬首次，雖然擬合精度不是很高，但也可為該地區(qū)大尺度估測生物量提供一定參考。

5 結(jié)論

與檸條錦雞兒林生物量相關(guān)性較高的遙感影響因素為B2波段反射值(εB2)、B6波段反射值(εB6)，與沙棘林生物量相關(guān)性較高的遙感影響因素為比值植被指數(shù)(IV,R)、修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)，與沙柳林生物量相關(guān)性較高的遙感影響因素為歸一化植被指數(shù)(IV,ND)、土壤調(diào)整植被指數(shù)(IV,SA)，與楊柴林生物量相關(guān)性較高的遙感影響因素為B6波段反射值(εB6)。

通過相關(guān)分析篩選出與生物量相關(guān)性較高的影響因素，利用逐步回歸法，建立了檸條錦雞兒、沙棘、沙柳、楊柴4種灌木林生物量的遙感估測模型：檸條錦雞兒林生物量的遙感估測模型為多元線性回歸方程，WNT,2=4.364-0.008εB2+0.002εB6、模型精度為72.1%；其余3個(gè)樹種生物量的遙感估測模型均為一元?dú)w線回性模型，沙棘林生物量的遙感估測模型為WSJ=-3.368+8.027IV,MSA、模型精度為62.5%，沙柳林生物量的遙感估測模型為WSL=-10.803+23.853IV,SA、模型精度為76.5%，楊柴林生物量的遙感估測模型為WYC=1.643-0.000 3εB6、模型精度為72.2%。4種灌木林生物量的遙感估測模型擬合精度均達(dá)到60%以上，擬合效果較好，對庫布齊沙漠地區(qū)灌木林生物量的遙感估測具有一定的參考性。